ActivityForensics：動画における改変された活動（アクティビティ）のローカライズを行うための包括的ベンチマーク

要旨: 時間的偽造ローカライゼーションは、動画内で操作された区間を時間的に特定することを目的としています。既存のほとんどのベンチマークは、顔の入れ替えや物体の除去のような外観レベルの偽造に焦点を当てています。しかし、近年の動画生成の進歩により、人の行動を改変して出来事の意味論を歪める、活動（アクティビティ）レベルの偽造が登場するようになりました。これにより、メディアの信頼性と公衆の信頼を決定的に損なう、非常に欺瞞的な偽造が生み出されています。この問題を克服するために、本研究では、動画における操作された活動をローカライズするための最初の大規模ベンチマークである ActivityForensics を導入します。本ベンチマークには、動画コンテキストにシームレスにブレンドされた 6K 超の偽造動画セグメントが含まれており、人間の目には本物のコンテンツとほとんど見分けがつかないほどの高い視覚一貫性を実現しています。さらに、拡散ベースの特徴正則化によってアーティファクト（痕跡）に関する手がかりを顕在化させる、シンプルでありながら効果的なベースラインである Temporal Artifact Diffuser（TADiff）を提案します。ActivityForensics に基づき、ドメイン内・ドメイン間・オープンワールドの各設定をカバーする包括的な評価プロトコルを導入し、将来の研究を促進するために幅広い最先端の偽造ローカライザをベンチマーク化します。データセットとコードは https://activityforensics.github.io で利用可能です。